基于回归方法的移动通信话务量预测

《基于回归方法的移动通信话务量预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于回归方法的移动通信话务量预测

2、第1内容加载中...500)this.style.ouseg(this)">2．1数据修正　　为了保持数据序列的增长变化趋势，必须对采集到的历史数据进行修正处理。500)this.style.ouseg(this)">　　从图1可以看出，话务量的变化具有逐步增加的长期变动趋势，话务量的波动具有随季节变化波动基本相同的趋势，本文考虑话务量与用户数及每用户收入之间的关系，因此为消除季节变化的因子，首先采用最小二乘法拟合话务量的趋势曲线：500)this.style.ouseg(this)">式中：Tt——话务量ｔ——月份（1，2，

3、3，……），t＝1对应为2001年1月份。　　根据图2和图3的散点图可以看出，话务量与忙时ＶＬＲ用户数具有线性增长的趋势；话务量与每用户收入为双曲线变化趋势，对每用户收入变换实现线性化，使得500)this.style.ouseg(this)">式中：　　E——每用户收入　　则修正后的每用户收入变量E′与话务量Ｔ之间也为线性增长趋势。2．2相关性分析　　分析经修正后的用户数和每用户收入这两个自变量与因变量话务量之间的相关性。分析结果见表1。500)this.style.ouseg(this)">　　根据经验，在一般情况下，当相关系数大于或等于0.8时，为高度相

4、关，因此从表1中可以看出话务量与用户数和每用户收入之间都有很强的相关性。2．3建立回归模型及检验　　在相关性分析的基础上拟合回归模型，以便进行推算和预测。选取二元线性回归模型：500)this.style.ouseg(this)">式中：　　T——话务量　　U——用户数　　ａ，ｂ，ｃ——回归系数　　本预测设定置信水平度为95％，即显著性水平α＝5％。　　为了验证模型是否合理，需要对回归分析的统计量（见表2）、方差分析表（见表3）、回归系数及其t检验（见表4）和DW检验等数据进行分析。500)this.style.ouseg(this)">500)this.st

5、yle.ouseg(this)">500)this.style.ouseg(this)">DW统计量为　　500)this.style.ouseg(this)">式中：　　D——DW统计量在显著性水平a＝5％下，解释变量个数ｋ＝2，样本个数n＝27，分析表2、表3及DW统计量的计算结果，可得到以下检验结论：ａ）经济意义检验：观察回归系数ａ＝4328．28，ｂ＝0．0046886，c＝573．53，由于用户数Ｕ和修正后的每用户收入Ｅ′与话务量Ｔ均具有正相关性，因此回归系数的符号和大小均比较合理，说明该模型符合经济意义。ｂ）R2检验：从表2可以看出：R2为0．99

6、7836；调整后，R2为0．997656，均很接近1，说明用户数和每用户收入与话务量的关系很密切。ｃ）F检验：从表3可以看出Ｆ检验值为5535．1235，远远大于Fa（ｋ，ｎ－ｋ－1）＝F0．05（2，27－2－1）＝3．4，说明用户数和每用户收入与话务量之间的回归效果非常明显。　　ｄ）t检验：从表4可以看出各回归系数的ｔ检验值分别为：ｔ0＝34．47378，ｔ1＝24．57886，ｔ2＝4．204644，都大于Ｆα／2（ｎ－ｋ－1）＝Ｆ0．05／2（27－2－1）＝2．0639，说明用户数和每用户收入对话务量有显著影响。　　ｅ）DW检验：由小样本DW检验临界

7、值表，得到在解释变量个数ｋ＝2，样本个数ｎ＝27时，临界值为1．16，本回归模型的D＝1．532578＞1．16。说明该回归模型不存在自相关，通过计量经济检验。　　综合上述检验结果和表4，可得到回归分析的计算模型T＝4328．289＋0．0046886U＋573．53E′即T＝4328．289＋0．0046886U＋573．53E－4×108R2＝0．997836、R2＝0．997656、n＝27、R＝5535．1235、S＝98．88925、D＝1．532578　　这是一个较为优良的回归模型，可以根据预测期的用户数和每用户收入，对未来的话务量进行预测。　　因

8、为预测存在标准误差，可以在显著性水平α＝5％下，确定话务量的预测区间T±ta／2（n－k－1）S＝T±2．0963×98．88925＝T±204．097523075　　假定预测期内用户数将达到250万，取定资费标准为每用户收入80元，可以得到话务量的预测值为17449．98Erl，预测区间为17245．88～17654．08Erl；如果在相同用户规模的情况下，采取“包月制”或单向收费政策，假定每用户收入将下降到60元左右，则此时的话务量的预测值将为20475．146Erl，预测区间为20271．05～20678．24Erl。因此该预测模型可以估计不同用户数和每

9、用户收入情况下的话务量。2．4预测结果